Menyiapkan data untuk KNN
Sekarang setelah Anda memahami seluk-beluk cara kerja K-nearest neighbors, Anda dapat memanfaatkan implementasi KNN dari scikit-learn sambil mengenali apa yang terjadi di balik layar.
Dalam dua latihan berikutnya, Anda akan mempelajari cara menyiapkan data untuk model KNN scikit-learn, lalu menggunakannya untuk menyimpulkan berapa rating yang mungkin diberikan seorang pengguna pada film yang belum mereka tonton.
Untuk konsistensi, Anda akan kembali bekerja dengan User_1 dan rating yang akan mereka berikan untuk Apollo 13 (1995) jika mereka menontonnya.
DataFrame users_to_ratings telah dimuat untuk Anda. Ini berisi setiap pengguna sebagai baris tersendiri dan setiap rating yang mereka berikan sebagai nilai.
Demikian pula, user_ratings_table telah dimuat, yang berisi nilai rating mentah (sebelum pemusatan dan pengisian dengan nol).
Latihan ini adalah bagian dari kursus
Membangun Recommendation Engine di Python
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Drop the column you are trying to predict
users_to_ratings.____("Apollo 13 (1995)", axis=1, inplace=____)
# Get the data for the user you are predicting for
target_user_x = ____.____[[____]]